JP2024509799A

JP2024509799A - 制御エンベロープベースの車両運動管理

Info

Publication number: JP2024509799A
Application number: JP2023552358A
Authority: JP
Inventors: ハンソン，ピーター; レイン，レオ; ステンブラット，ウルフ; ビルカ，ホセ; ニルソン，ピーター; アリカー，アディシャ; ヘンダーソン，レオン; ヘイン，ハンス‐マルティン
Original assignee: Volvo Truck Corp
Current assignee: Volvo Truck Corp
Priority date: 2021-03-04
Filing date: 2021-03-04
Publication date: 2024-03-05
Also published as: EP4301643A1; CN116917179A; KR20230154426A; WO2022184258A1

Abstract

大型車両（１００）の動作を制御するための方法であって、本方法は、少なくとも速度（ｖ_ｔ０）および加速度（ａ_ｔ０）を含む現在の車両状態（ｓ_ｔ０）を推定することであって、推定された現在の車両状態は現在の車両状態の不確実性と関連付けられる、推定することと、現在の車両状態（ｓ_ｔ０）および車両（１００）の予測運動モデルに基づいて、将来の車両状態（ｓ_ｔ１）を推定することであって、将来の車両状態（ｓ_ｔ１）は将来の車両状態の不確実性と関連付けられる、推定することと、車両の動作限界を表す車両制御エンベロープを定義することであって、車両制御エンベロープは車両状態の範囲を定義することと、推定された将来の車両状態（ｓ_ｔ１）および関連付けられた将来の車両状態の不確実性を、車両制御エンベロープと比較することと、将来の車両状態（ｓ_ｔ１）が制御エンベロープを破る確率が設定された閾値を上回る場合、車両（１００）の運動能力を制限することと、を含む。
【選択図】図１

Description

本開示は、安全かつ効率的な車両運動管理を確実にするための方法および制御ユニットに関する。本方法は、複数の車両ユニットを備えるトラックおよびセミトレーラー等の連結車両での使用に特に適している。しかしながら、本発明は、他のタイプの大型車両、例えば建設機器、鉱山車両、林業車両にも適用できる。

トラックおよびセミトレーラー車両等の大型車両は、過剰な車輪スリップ、アンダーステアリング、オーバーステアリング、車両の横転、ジャックナイフ、およびトレーラースイングのイベント等の望ましくないイベントを経験しないように、危険な運転シナリオでは慎重に制御する必要がある。経験の浅い運転者は、例えば何か予想外のことが起こった場合に過剰反応することによって、または間違ったタイプの制御入力を適用することによって、そのようなイベントが発生する状態に車両を誤って制御し得る。一方、経験豊富な運転者は、多くの場合、より合理的かつ冷静に車両を制御することによって、車両が危険な状況に陥るのを防ぐ車両制御を行うことが可能である。

自律走行車および半自律走行車は、ナビゲーションおよび車両制御に様々なタイプのセンサー入力信号を使用する。また、先進運転支援システム（ＡＤＡＳ）もセンサー入力信号に基づいている。そのようなセンサー入力信号は、運転者に迫りくる危険について警告する等、車両の安全性を向上させるために使用できる。しかしながら、これらのセンサー信号は、いくつかの不確実性、すなわちセンサー誤差等と関連付けられ得る。したがって、センサー信号に基づいて車両の運動管理を行う制御ユニットは、常に、誤った入力データに基づいて制御決定を行う危険を伴う。

上述の望ましくないイベントのリスクを減らす制御方法および装置が必要である。

米国特許出願公開第２０２０／０１３３２８１号明細書では、車両の安全システムおよびそのシステムで使用するための方法が開示されている。開示された方法は、将来の運転モデルの状態の予測の不確実性を用いて、運転モデルのパラメーターを変更または更新する。これは、例えばセンサーデータの減少またはカメラの視認性の低下等に伴う、より高レベルの予測の不確実性を考慮して、自律走行車のより安全な動作を可能にするために行われる。

特開２００６－０９９７１５号公報では、衝突予測システムおよび方法が開示されている。衝突予測システムおよび方法は、一方の車両と別の車両との衝突の可能性の結果を判定する際に統合信頼性を使用する。統合信頼性は、車両の環境および状態に基づいている。

それでも、大型車両の運動管理のための方法の改善の必要性が顕著に存在する。

本開示の目的は、上述の問題の少なくとも一部を軽減または克服する技術を提供することである。

この目的は、大型車両の運動を制御するための方法によって少なくとも部分的に達成される。本方法は、少なくとも速度および加速度を含む現在の車両の状態を推定することを含み、推定された現在の車両状態は、現在の車両状態の不確実性と関連付けられる。本方法は、また、現在の車両状態および車両の予測運動モデルに基づいて将来の車両状態を推定することを含み、将来の車両状態は将来の車両状態の不確実性と関連付けられる。本方法は、さらに、車両の動作限界を表す車両制御エンベロープを定義することであって、車両制御エンベロープは車両状態の範囲を定義することと、推定された将来の車両状態および関連付けられた将来の車両状態の不確実性を、車両制御エンベロープと比較することと、を含む。将来の車両状態が制御エンベロープを破る確率が設定された閾値を上回る場合、本方法は車両の運動能力を制限することを指定する。

上述の機能の利点の１つは、車両の性能制約を超えた車両運動制御をもたらす突然のまたは過剰な運転者の入力の影響が低減され得、それによって、例えば、アンダー／オーバーステアリング、スキッド、ジャックナイフ、トレーラースイング等のこのタイプの運転者の入力に関連する事故が減る。

車両運動推定、車両運動予測、および車両運動制御を含む集中車両運動管理システムを用いて、トルクを減らすことによって、またはブレーキおよびステアリングを適用することによって、車両が車両性能エンベロープの範囲外に進むことを事前に防止し、車両状態を制御エンベロープ内に戻すことが可能になる。提案された方法は、センサーデータおよび予測モデリングの不確実性を考慮することが可能であるため、これは利点となる。例えば、車両が将来の車両状態を予測することが困難な車両状態に陥いる場合、より保守的な車両制御戦略を選択できる。

複数の態様によれば、車両状態はまた、車輪スリップ、車軸および／または車輪横滑り、横方向および／または縦方向の車輪力、ならびにヨー運動のいずれかを含む。したがって、本明細書で開示される方法は多用途であり、いくつかの異なる車両状態変数とともに使用できる。

複数の態様によれば、本方法は、１つ以上のセンサー入力信号と関連付けられた測定の不確実性に基づいて現在の状態の不確実性を判定することを含む。本方法がセンサー測定誤差等を考慮することが可能であることは利点であり、これにより、車両運動管理のロバスト性（robustness）が向上する。

複数の態様によれば、本方法は、車両の予測運動モデルと関連付けられた不確実性に基づいて将来の状態の不確実性を判定することを含む。したがって、本方法は、モデル化誤差を考慮することが可能であり、これにより、最終結果のロバスト性がさらに向上する。例えば、車両は将来の挙動を予測することが困難な状態に陥る場合がある。予測モデルの不確実性を考慮に入れることによって、この不確実性を減らすための補正アクションを事前に取ることができる。

複数の態様によれば、本方法は、１つ以上の運動支援装置（ＭＳＤ）と関連付けられた制限された挙動に基づいて将来の状態の不確実性を判定することを含む。ＭＳＤ、または車両上のＭＳＤの少なくとも一部は、例えば線形挙動が保証される契約に従って動作できる。これにより、モデルにおいて非線形挙動を無視できるため、車両挙動を予測することが容易になる。例えば、車両の車輪の車輪スリップ制限を実施することによって、タイヤの力と車輪スリップとの挙動が線形になることが保証される。

複数の態様によれば、車両は複数の車両ユニットを備える連結車両であり、本方法は、さらに、複数の車両ユニットの車両ユニットごとに、各々の将来の車両状態を個別に推定することを含む。これは、いくつかの車両ユニットが危険状態に陥る危険性があるとみなされ得る一方、他の車両ユニットは危険状態に陥る危険性がないことを意味する。これにより、車両運動管理機能の動作の制御自由度が向上する。例えば、車両運動管理機能は、より安定した車両ユニットの１つによってブレーキをかけ、連結式車両を制御範囲内に戻し得る。

複数の態様によれば、本方法は、将来の車両状態が制御エンベロープを破る確率が設定された閾値を上回ることに応答して、車両によって補正アクションを行うことを含み、補正アクションは、ＭＳＤ調整モジュールに伝達された所望の全体力を減らすことを含む。

複数の態様によれば、本方法は、また、車両の１つ以上のＭＳＤから車輪スリップ値および／または車輪速度値を要求することによって車両を制御することを含む。車両の車輪にトルクを伝えることが可能である車両運動コントローラーとＭＳＤとの間のインタフェースは、従来、車輪スリップを少しも考慮せずに、コントローラーから各ＭＳＤへのトルクベースの要求に焦点を当ててきた。しかしながら、このアプローチは、制御の遅延時間と関連するいくつかの性能限界と関連付けられる。代わりに、メイン車両コントローラーと、１つのＭＳＤコントローラーまたは複数のＭＳＤコントローラーとの間のインタフェースで車輪速度または車輪スリップベースの要求を使用することによって大きな利点を実現できる。これにより、困難なアクチュエーター速度制御ループをＭＳＤコントローラーに移行し、ＭＳＤコントローラーは、一般に、メイン車両コントローラー機能のサンプル時間と比較してかなり短いサンプル時間で動作する。そのようなアーキテクチャは、トルクベースの制御インタフェースと比較して、はるかに優れた外乱除去を提供できるため、タイヤと道路との接触面で生成された力の予測可能性が向上する。

本明細書では、上述の利点と関連付けられた制御ユニット、コンピュータープログラム、コンピューター可読媒体、コンピュータープログラム製品、および車両も開示されている。

一般に、特許請求の範囲で使用される全ての用語は、本明細書で明示的に定義されていない限り、技術分野における通常の意味に従って解釈するべきである。「１つの／その（ａ／ａｎ／ｔｈｅ）要素、装置、コンポーネント、手段、ステップ等」への全ての言及は、例えば、明示的に別段の記載がない限り、要素、装置、コンポーネント、手段、ステップ等の少なくとも１つの実例を指すものとして公然と解釈するべきである。本明細書に開示される任意の方法のステップは、明示的に記載されない限り、開示された順序で正確に行われる必要はない。添付の特許請求の範囲および以下の説明を検討するとき、本発明のさらなる特徴および本発明による利点が明らかになるであろう。本発明の範囲から逸脱することなく、本発明の異なる特徴を組み合わせて、以下に説明されるもの以外の実施形態を創出し得ることを当業者は認識している。

添付の図面を参照して、例として挙げた本発明の実施形態のより詳細な説明が下記に続く。

貨物輸送用の車両を概略的に示す。望ましくないジャックナイフイベントを示す。望ましくないトレーラーのスイングイベントを示す。車両のアンダーステアリングイベントを示す。車両のオーバーステアリングイベントを示す。車両の運動推定および運動予測を概略的に示す。車両制御エンベロープの例を示す。車両運動支援装置（ＭＳＤ）制御システムの例を示す。階層化された車両制御システムのコンポーネントを示す。Ａ～Ｂは運動予測の不確実性を概略的に示す。Ａ～Ｃは線形化されたタイヤモデリングを示す。方法を示すフローチャートである。センサーユニットおよび／または制御ユニットを概略的に示す。コンピュータープログラム製品の例を示す。

ここで、本発明の一態様を示す添付図面を参照して、本発明はより完全に以下に説明される。しかしながら、本発明は多くの異なる形態で具体化され得、本明細書に記載される実施形態および態様に限定されるものとして解釈するべきではない。むしろ、これらの実施形態は、本開示が徹底的かつ完全なものとなり、本発明の範囲が当業者に十分に伝わるように、例として提供されるものである。説明全体を通じて、同様の番号は同様の要素を指す。

本発明は、本明細書に説明され、図面に示される実施形態に限定されないことを理解されたい。むしろ、当業者は、添付の特許請求の範囲内で多くの変更および修正がなされ得ることを認識するであろう。

フライトエンベロープ保護は、航空機の制御システムのヒューマンマシンインターフェイスの拡張機能であり、航空機のパイロットが航空機の構造的および空気力学的な動作限界を超えさせるであろう制御コマンドを発行することを防止する。最新の商用フライバイワイヤ航空機のほとんどで使用されている。飛行エンベロープ保護システムの利点は、緊急事態に対する不意の反応またはそれ以外かどうかにかかわらず、パイロットの過剰な制御入力が過剰な飛行制御動作に変換されるのを制限することである。概念上、これによって、機体に過度のストレスを与えて航空機の安全性を危険にさらす可能性のある過剰な操縦翼面の動きを電子的に制限することによって、パイロットは「驚愕」から生じる過剰な制御入力の影響を鈍らせながら、緊急事態に迅速に反応することが可能になる。

本開示は、運転者によって、または何らかの形態の自律制御システムもしくは半自律制御システムによって、同様の制御制限アプローチを大型車両の制御に適用することに関する。しかしながら、航空電子工学からの飛行エンベロープ保護方法は、簡単に、そのまま大型車両の制御に適用できない。いくつかの重要な適応が必要であるが、これは以下で詳細に説明する。

本開示による制御エンベロープベースの車両運動管理システムを備える大型車両は、車両による急速な過剰な応答を鈍らせるために運転者による制御を制限することによって、車両が車両の動作限界の範囲外に進む車両状態に陥ることを回避する。したがって、車両のアンダーステアリングやオーバーステアリング、車両の横転、ジャックナイフ、過剰なトレーラーのスイング等の望ましくないイベント、ならびに同様の望ましくないイベントを回避できると同時に、運転者は予想外のイベントが発生したときにそのイベントに迅速に反応することが可能になる。

航空機では、翼および操縦翼面の周囲の流体力学によって揚力を生成するための特定の迎え角を有し、この迎え角を超えると、航空機は望ましくないイベントである失速に陥る危険がある。このタイプのイベントは航空機のモデルによって予測でき、パイロットに指示を与える制御システムを配置できることによって、パイロットが失速状況を回避することが可能になる。同様に、商用大型連結式車両は、例えば横転状況または重篤なアンダーステアリングイベントの望ましくない車両の状態を予測すなわち予見するように構成された車両運動の予測モデルを使用することによって、予測された制御エンベロープ内で安全に制御できる。

本明細書で開示される技術は、車両が、運動推定および同様に運動予測を継続的に行う車両運動管理（ＶＭＭ）機能を備えることに依存している。運動予測は、車両が時間的に０．５～１．５秒進んだ将来の車両状態を継続的に予測することを意味する。この将来の車両状態は、車両の動作限界を表す車両制御エンベロープと定期的に比較される。制御エンベロープの範囲外に最終的に出るリスクが高すぎるとコントローラーが判断した場合、何らかのタイプの補正アクションが取られる。この補正アクションは、例えば、上位層の制御アルゴリズムのいくつかに対して報告された能力が低下することであり得る。報告された能力は、トラクターもしくはトレーラー等の車両ユニット全体の能力、または車軸もしくはさらに単一の車輪等の車両ユニットの部品の能力であり得る。能力は、例えば、最大加速度または最大速度、横滑り等であり得る。したがって、車両の動作推定機能が車両が危険な状態に入っている途中の過程であることを認識する場合、動作調整により、例えば、トルクまたはブレーキおよびステアリングを低減すること等によって、車両を安全な状態に戻す。

ＶＭＭの運動推定は、現在の車両状態の推定の不確実性と、将来の車両状態の予測を行うのに使用される予測車両モデルの不確実性の両方により、将来の予測を行う際に重大な不確実性があるという事実を取り込む確率的な部分を含み得る。例えば、大型連結式車両の転がり移動を正確にモデル化することは困難であり得る。車両が状態モデリングが困難な状態の範囲に入ったときを検出することによって、より高レベルの不確実性を割り当てできる。そのようなモデルを使用して、固定値の代わりに確率分布となる予測が得られる。次に、これらの分布を使用して、安全性（早期介入）と運転者の快適性（誤った介入が少ない）との適切な組み合わせを達成するために、車両の能力をいつどのように制限するかを決定できる。

また、モデル誤差は、車両が道にできた穴（potholes）の上を走行する等、周囲環境の予想外の変化に遭遇した場合にも発生する可能性がある。車両運動制御に予測不確実性を追加することによって、例えば、車両運動予測および車両運動センサー入力が異なる場合の車両速度等を制限することが可能になる。

図１は、本明細書で開示される技術を有利に適用できる貨物輸送用の例示的な車両１００を示す。車両１００は、前輪１５０および後輪１６０に支持されたトラクターまたはけん引車両１１０を備え、前輪１５０および後輪１６０の少なくとも一部は被駆動車輪である。必ずではないが、通常、トラクターの車輪は全て制動輪である。トラクター１１０は、既知の方法で第５の車輪接続によってトレーラー車輪１７０で支持された第１のトレーラーユニット１２０をけん引するように構成される。トレーラーの車輪は、通常、制動輪であるが、１つ以上の車軸上の被駆動車輪も含み得る。

本明細書で開示される方法および制御ユニットは、ドローバー（drawbar）接続を備えたトラック、１つ以上のドリー（dolly）車、建設機器、バス等を含むマルチトレーラー車等の他のタイプの大型車両にも有利に適用できることを認識されたい。

トラクター１１０は、様々な種類の機能、とりわけ、推進、制動、ステアリングを制御するための車両ユニットコンピューター（ＶＵＣ）１３０を備える。いくつかのトレーラーユニット１２０は、また、トレーラーの車輪の制動、アクティブサスペンション、および場合によってはトレーラーの車輪の推進等、トレーラーの様々な機能を制御するためのＶＵＣ１４０も備える。ＶＵＣ１３０、１４０は、いくつかの処理回路の全体にわたって、集中化または分散され得る。車両制御機能の一部は、また、例えば、無線リンクおよび無線アクセスネットワークを介して、車両１００に接続されたリモートサーバーでリモートで実行され得る。

トラクター１１０のＶＵＣ１３０（場合によって、トレーラー１２０のＶＵＣ１４０も同様に）は車両制御方法を実行するように構成され得、車両制御方法は、いくつかの機能が上位層の交通状況管理（ＴＳＭ）ドメインに含まれ得、いくつかの他の機能が下位機能層に存在する車両運動管理（ＶＭＭ）ドメインに含まれ得る階層化された機能アーキテクチャに従って編成される。

図２Ａ～図２Ｄは、本明細書で提案された方法が予測車両運動管理によって軽減することを目的とするいくつかの望ましくないイベントの例を示す。

図２Ａはジャックナイフイベント２００を示す。このタイプのイベントは、運転者が不適切なステアリングによって過剰に反応した場合に発生し得る。力Ｆ１は、トレーラーを、連結車両を望ましくない方向に折りたたむような方向に押す。

図２Ｂは過剰なトレーラースイング２１０の例を示す。運転者が車両１００を正しく操作しない場合、トレーラー１２０に大きな横力Ｆ２が発生し得、トレーラーが揺らされる。

図２Ｃはアンダーステアリングが発生する運転シナリオ２２０を示す。図２Ｃに示される曲線をうまく通過するために、連結式車両は所望の経路２２１（破線）をたどる必要があるが、代わりに、車両は別の経路２２２（一点鎖線）をたどる、すなわちアンダーステアとなる。このアンダーステアリングは、例えば、路面摩擦の減少が原因であり得る。アンダーステアリングは運転者の怪我および車両の損傷に重大な危険をもたらし得る。例えば、交差点で右折することを望むが、車両が高速で交差点に進入し、車両ブレーキをかけるのが遅すぎる場合、車両は車輪スリップを受け、横方向のステアリング力を生成する能力が低下する。この状況は、交差点に進入する際に車速を減速する場合に回避できる。この状況を改善するために、補正ヨートルク２２３も適用できる。この補正ヨートルクは、例えば、トラクター車両ユニットの右後輪にブレーキ２２４をかけることによって生成できる。本明細書で提案された方法により、ＶＵＣはセンサー入力に基づいて車両状態を推定し、予測車両運動モデルを使用して将来の車両状態を予測する。車両が危険な状態に陥る危険性がある場合、車両運動制御は、運転者からの制御入力を制限することによって、または図２Ｃのブレーキの適用等、何らかの運動支援装置による作動をよりアクティブにトリガーすることによって、のいずれかで補正アクションを取る。

図２Ｄは、オーバーステアリングイベント２３０が発生する運転シナリオ２３０を示す。破線の経路２３１をたどるのが望ましいが、何らかの理由でトレーラー車両ユニットがオーバーステアして一点鎖線２３２をたどる。この状況を回避するために、補正ヨー運動２３３が望ましい。この補正ヨー運動は、例えば、車両の左前輪にブレーキ２３４をかけることによって生成できる。図２Ｃのイベント２２０に関して、本明細書で提案された方法は、車両がオーバーステアリングシナリオに陥る危険性があることを予測することが可能であり、望ましくないイベントを回避するためにおよび／または危険な車両状態のその結果を軽減するために補正アクションを取ることが可能である。

図３は、道路３１０に沿って走行する車両１００を含む別の例示的なシナリオ３００を示す。車両は、現在の車両状態を推定するためにＶＵＣ１３０、１４０によって使用される１つ以上のセンサーを備える。現在の車両状態は、速度ベクトル［ｖ_ｘ，ｖ_ｙ］、加速度ベクトル［ａ_ｘ，ａ_ｙ］、およびヨーモーメント等の変数を含む。

地点Ａにおいて、車両１００は曲率を有するカーブに進入しようとしている。ＶＵＣ１３０、１４０は、この時点において、現在の車両状態を推定する。現在の車両状態に加えて、ＶＵＣは、また、将来の車両状態、すなわち車両が点Ｂ、点Ｃにある時点等、将来のある時点で車両にもたらされると考えられる車両状態も予測する。そのような予測は、予測運動モデルを使用することによって可能であり、その例について以下で説明する。

当然ながら、将来の車両状態のこの予測は完全とは限らず、多少の誤差と関連付けられる。例えば、センサー入力信号に誤差がない可能性は低く、運動予測にも同様に誤差と関連付けられる可能性が高くなる。さらに、当然ながら、運転者からの制御入力を発生前に正確に予測することは不可能である。この予測誤差、または車両状態予測の不確実性は、図３の増大領域３２０によって示される。一般に、予測が時間的により先に行われるほど、不確実性が増加することが理解される。

車両１００は、車両の動作限界を表す車両制御エンベロープと関連付けられる。この車両制御エンベロープは、安全とみなされる車両状態の範囲を定義する。車両１００が制御エンベロープ内の状態にある限り、車両による運動は予測可能であり（多くの場合、直線的）、危険な状況と関連付けられない。しかしながら、車両１００が制御エンベロープを破る場合、望ましくない挙動を予想できる。例えば、車輪力は、車輪スリップまたは加えられたトルクに応じて、非線形の挙動を示すことが始まり得る。

例えば、図３の状況３００は、アンダーステアリングイベントと関連付けられ得、予測運動モデルは、車両１００が一点鎖線の経路３３０をたどる可能性を示す。本明細書で提示される方法は、アンダーステアリングイベントが発生しないように車両運動を補正するために予防的に機能する。例えば、図２Ｃに関連して上述したような補正ヨー運動は、車両運動管理システムによって生成され得る。別の例として、横転のリスクは、図３の状況３００におけるリスクの増加と関連付けられ得る。本明細書で説明される方法は、予測的に車両を制御エンベロープ内に戻すために干渉する。

例示的な制御エンベロープ４００の概略図を図４に示す。ここでは、予測される将来の車両状態の不確実性３２０と関連付けられた誤差分布の確率から導出された不確実性楕円４１０を制御エンベロープと比較する。この不確実性楕円の十分に大きな部分が制御エンベロープを超えて広がる場合、車両の危険な動作および／または予測不可能な動作が続き、図２Ａ～図２Ｄのような望ましくない車両イベントが発生し得る。

図５は、ここでは摩擦ブレーキ５５０（ディスクブレーキまたはドラムブレーキ等）および推進デバイス５４０（電気機械等）を含むいくつかの例示的なＭＳＤによって、車輪５６０を制御するための機能５００を概略的に示す。摩擦ブレーキ５６０および推進デバイス５４０は、車輪トルク生成デバイスの例であり、これは、アクチュエーターとも呼ばれ得、１つ以上の運動支援装置制御ユニット５３０によって制御できる。制御は、例えば、車輪速度センサー５７０から取得された測定データと、レーダーセンサー、ライダセンサー、ならびに同様にカメラセンサーおよび赤外線検出器等の視覚ベースのセンサー等の他の車両状態センサー５８０から取得された測定データとに基づく。本明細書で説明される原理に従って制御され得るトルク発生運動支援装置の他の例は、エンジンリターダーおよびパワーステアリングデバイスを含む。ＭＳＤ制御ユニット５３０は、１つ以上のアクチュエーターを制御するように構成され得る。例えば、ＭＳＤ制御ユニット５３０が車軸の両方の車輪を制御するように構成されていることは珍しくない。

本明細書に開示される技術の一部では、そのようなシステムを容易にするために、ブレーキシステムおよび／または電気モータ等の推進デバイスに要件が課される。本開示は、任意の時点において、車両が例えばタイヤに対して達成できる最大達成可能な横力Ｆ_ｙと最大縦力Ｆ_ｘとの間に関連性があるという観察に少なくとも部分的に基づいている。これは、縦方向に加えられたブレーキ力が高すぎる場合、車両の横方向のステアリング能力が失われる（車両状態が制御エンベロープを破る）ことを意味する。モデルの観点から、これは、無制限のブレーキが許可される場合、横方向の車両力学に大きな不確実性が生じることを意味する。不確実性が大きいため、緊急操作の性能が保守的に分析されることがもたらされ、ひいては、運用設計領域（ＯＤＤ）が大幅に減少する。本開示は、例えば、ブレーキおよび推進装置等の車輪トルクデバイスにおける許容可能な車輪スリップに制限を課すことによって、この欠点を克服することを目的とする。

図６も参照すると、ＴＳＭ機能５１０は、例えば１～１０秒等の期間（time horizon）で運転動作を計画する。このタイムフレームは、例えば、車両１００がカーブ等を通過するのにかかる時間に対応する。ＴＳＭによって計画および実行された車両の操作は、所与の操作で所望の車両速度および旋回を表す加速度プロファイルおよび曲率プロファイルと関連付けできる。ＴＳＭは、安全かつ強固な方法でＴＳＭからの要求を満たす力配分を行うＶＭＭ機能５２０から所望の加速度プロファイルａ_ｒｅｑおよび曲率プロファイルｃ_ｒｅｑを継続的に要求する。ＶＭＭ機能５２０は、能力情報（ここでは、最大速度ベクトルａ_{ｘ，ＭＡＸ}および加速度ベクトルｖ_{ｘ，ＭＡＸ}によって例示される）を、例えば、生成できる力、最大速度、加速度等の観点から車両の現在の能力を詳述するＴＳＭ機能に連続的にフィードバックする。

加速度プロファイルおよび曲率プロファイルは、また、ステアリングホイール、アクセルペダル、およびブレーキペダル等の通常の制御入力デバイスを介して大型車両の運転者から取得され得る。該加速度プロファイルおよび曲率プロファイルのソースは、本開示の範囲内ではないため、本明細書ではより詳細に説明しない。

ＶＭＭ機能５２０は、約０．１～１．５秒等の期間で動作し、加速度プロファイルａ_ｒｅｑおよび曲率プロファイルｃ_ｒｅｑを車両１００の異なるＭＳＤ５３０によって作動する車両運動機能を制御するための制御コマンドに継続的に変換し、ＭＳＤ５３０は能力をＶＭＭに報告し、次に、その報告は車両制御の制約として使用される。ＶＭＭ機能５２０は車両状態または運動推定６１０を行う。すなわち、ＶＭＭ機能５２０は、ＭＳＤ５３０に接続していることが多いが必ずしも接続しているわけではない車両１００に配置された様々なセンサー５７０を使用して動作を監視することによって、連結式車両の異なるユニットの位置、速度、加速度、ヨー運動、および連結角度を含む車両状態ｓ（多くの場合、ベクトル変数）を継続的に判断する。

運動推定６１０の結果、すなわち推定された車両状態ｓは、現在の車両状態ｓに基づく車両による将来の予測運動状態ｓ’に基づく運動予測モジュール６２０に入力される。

ＭＳＤ調整機能６３０は、要求された加速度プロファイルａ_ｒｅｑおよび曲率プロファイルｃ_ｒｅｑに従って車両１００を移動させるために、異なる車両ユニットに必要な全体力（global forces）を判定し、車輪力を割り当て、ステアリングおよびサスペンション等の他のＭＳＤを調整する。次に、調整されたＭＳＤは、連結車両１００によって所望の運動を取得するために、車両ユニットへの所望の横力Ｆ_ｙおよび縦力Ｆ_ｘ、ならびに必要なモーメントＭ_ｚを共に提供する。

例えば、全地球測位システム、視覚ベースのセンサー、車輪速度センサー、レーダーセンサー、および／またはライダセンサーを使用して車両ユニットの運動を判定し、そして、この車両ユニットの運動を所与の車輪５６０のローカル座標系に変換することによって（例えば、縦および横の速度成分に関して）、車輪基準座標系における車両ユニットの運動を、車輪５６０に関連して配置された車輪速度センサー５７０から取得されたデータと比較することによって、リアルタイムで車輪スリップを正確に推定することが可能になる。逆タイヤモデル６４０を使用して、所与の車輪ｉの所望のタイヤ縦力Ｆ_ｘｉと、車輪の等価の車輪スリップλ_ｉとの間で変換できる。車輪スリップλは、車輪の回転速度と対地速度との差に関係し、以下でより詳細に説明される。車輪速度ωは、車輪の回転速度であり、例えば、１分あたりの回転数（ｒｐｍ）、またはラジアン／秒（ｒａｄ／ｓｅｃ）もしくは度／秒（ｄｅｇ／ｓｅｃ）で表される角速度の単位で与えられる。

本明細書では、タイヤモデルは、車輪スリップの関数として縦方向（転がり方向）および／または横方向（縦方向に直交する方向）に発生する車輪力を表す車輪挙動のモデルである。“Tyre and vehicle dynamics”, Elsevier Ltd.2012, ISBN978-0-08-097016-5, Hans Pacejkaでは、タイヤモデルの基礎を取り上げている。例えば、車輪スリップと縦力との関係について説明している第７章を参照されたい。

縦方向の車輪スリップλは、ＳＡＥＪ６７０（SAE Vehicle Dynamics Standards Committee January 24,2008）に従って、下式のように定義され得る。
ここで、Ｒはメートル単位の有効車輪半径であり、ω_ｘは車輪の角速度であり、ｖ_ｘは車輪の縦方向速度（車輪の座標系）である。したがって、λは－１～１に制限され、車輪が路面に対して滑っている量がどれくらいかを定量化する。車輪スリップは、本質的に、車輪と車両との間で測定された速度差である。したがって、本明細書で開示される技術は、任意のタイプの車輪スリップに関する定義での使用に適応できる。また、車輪スリップ値は、車輪の座標系において、表面上の車輪の速度が与えられた場合の車輪速度値に等しいことを認識されたい。

図８のＡ～Ｃを参照すると、車輪（またはタイヤ）が車輪力を生成するために、スリップが発生する必要がある。スリップ値が小さい場合、スリップと生成された力との関係はほぼ線形であり、比例定数は多くの場合タイヤのスリップ剛性Ｃとして表される。タイヤ５６０は、縦力Ｆ_ｘ、横力Ｆ_ｙ、および垂直抗力Ｆ_ｚを受ける。垂直抗力Ｆ_ｚは、いくつかの重要な車両特性を判定するのに重要である。例えば、垂直抗力は、車輪によって達成可能なタイヤ縦力Ｆ_ｘを大部分判定する。なぜなら、通常Ｆ_Ｘ≦μＦ_Ｚであり、μは道路摩擦条件と関連付けられた摩擦係数であるためである。所与の横滑りに対して利用可能な最大横力は、Hans Pacejkaによる“Tyre and vehicle dynamics”, Elsevier Ltd. 2012, ISBN978-0-08-097016-5に説明されているように、いわゆるマジックフォーミュラによって表すことができる。

車輪スリップλが車輪スリップ限界λ_ｌｉｍ未満に保たれている限り、図８Ｂおよび図８Ｃに示されるように、力とスリップとの関係はほぼ線形になり、ここで、Ｃ_ｘは縦方向のスリップ剛性であり、Ｃ_ｙは横方向のスリップ剛性である。剛性係数は、垂直抗力Ｆ_ｚ、タイヤ摩耗、およびスリップ（横滑りの場合）の関数によって近似できる。

概要を説明すると、ＶＭＭ機能５２０は力の生成およびＭＳＤ調整の両方を管理する。すなわち、ＶＭＭ機能５２０は、例えば、ＴＳＭによって要求された必要な加速度プロファイルに従って車両を加速させるためにおよび／または同様にＴＳＭによって要求された車両による特定の曲率運動を発生させるために、ＴＳＭ機能５１０からの要求を満たすために車両ユニットで必要とされる力の量を判定する。力は、例えば、ヨーモーメントＭ_ｚ、縦力Ｆ_ｘおよび横力Ｆ_ｙ、ならびに異なる車輪に加えられる異なるタイプのトルクを含み得る。

車両の車輪に、トルクを伝えることが可能であるＶＭＭとＭＳＤとの間のインタフェースは、従来、車輪スリップを少しも考慮せずに、ＶＭＭから各ＭＳＤへのトルクベースの要求に焦点を当ててきた。しかしながら、このアプローチは性能限界と関連付けられ得る。安全上最重視すべき状況または過剰なスリップ状況が発生した場合、通常、別のコントロールユニットで動作する関連の安全機能（けん引制御、アンチロックブレーキ等）が介入し、スリップを制御範囲内に戻すために、トルクオーバーライドを要求する。このアプローチに関する問題として、アクチュエーターのプライマリ制御、およびアクチュエーターのスリップ制御が異なる電子制御ユニット（ＥＣＵ）に割り当てられるため、それらの間の通信に伴う遅延時間がスリップ制御性能を大幅に制限することが挙げられる。さらに、実際のスリップ制御を実現するために使用される２つのＥＣＵで行われる、関連のアクチュエーターおよびスリップの想定が一致しない可能性があり、したがって、これにより準最適な性能をもたらし得る。代わりに、ＶＭＭと、１つのＭＳＤコントローラーまたは複数のＭＳＤコントローラーとの間のインタフェースで車輪速度または車輪スリップベースの要求を使用することによって大きな利点を実現でき、困難なアクチュエーター速度制御ループをＭＳＤコントローラーに移行し、ＭＳＤコントローラーは、一般に、ＶＭＭ機能のサンプル時間と比較してかなり短いサンプル時間で動作する。そのようなアーキテクチャは、トルクベースの制御インタフェースと比較して、はるかに優れた外乱除去を提供できるため、タイヤと道路との接触面で生成された力の予測可能性が向上する。

図６を再度参照すると、逆タイヤモデルブロック６４０は、ＭＳＤ調整ブロックによって各車輪または車輪のサブセットに対して判定された必要な車輪力Ｆ_ｘｉ、Ｆ_ｙｉを等価車輪速度ω_ｗｉまたは車輪スリップλ_ｉに変換する。これらの車輪速度またはスリップは、各々のＭＳＤコントローラー５３０に送信される。ＭＳＤコントローラーは、例えばＭＳＤ調整ブロック６３０で制約として使用できる能力を報告する。トルク要求Ｔ_ｉは、トルクを生成するＭＳＤの一部または全てに対して発行され得ることに留意されたい。

図６の制御システムは、また、制御エンベロープモジュール６５０も備える。このエンベロープ制御モジュールは、運動予測モジュール６２０からの予測車両状態ｓ’を、制御エンベロープの設定された定義６６０と比較するように構成される。予測された車両状態がこの制御エンベロープを破る場合、制御エンベロープモジュール６５０は、ＶＭＭ層５２０からＴＳＭ層５１０に報告される車両１００の能力を制限する。これは、おそらく運転者を驚かせる何らかの予想外のイベントに応答して、車両の運転者が突然ハンドルを切る場合があることを意味する。しかしながら、この大きなステアリングホイール入力は、図６に概略的に示されるシステムを経由して伝播し、制御エンベロープモジュール６５０による制御エンベロープの予測違反をもたらし、その結果として、車両能力が制限される。この車両能力の低下は、車両の動作領域の範囲外に出てしまうことを回避するために、推進トルク、制動トルク、ステアリング角のいずれかが制限される、またはさらに減少することを意味する。したがって、運転者による強すぎる反応は、車両運動管理が行うことができる予測可能な領域内に車両運動を維持するために制限される。

異なるＭＳＤへの制御信号は、車輪スリップλ_ｉ、車輪速度ω_ｉ、または加えられたトルク_Ｔｉのいずれかであり得ることに留意されたい。ステアリングコマンドは、ステアリング角δ_ｉを含み得る。

図７Ａは、予測される車両状態ｓ’の不確実性を推定することを含む運転シナリオを示す。車両１００は現在時間ｔ０に位置Ａにあり、センサー信号を使用して、現在の車両状態ｓ（ｔ０）を推定する。この状態ｓは、ここでは、位置ｘ、車両速度ｖ、加速度ａ、全ての２次元ベクトルを含む。不確実性は、平均および共分散と関連付けられた多次元ガウス確率変数ｎ（ｔ０）としてモデル化される。現在の車両状態における一般的な不確実性は、不確実性楕円７１０によって示される。この不確実性は２次元以上を有することが認識されるため、これは単なる説明を目的としている。

点Ｂでは、車両１００は、さらに多くのセンサーデータ７２０を取得する。このセンサーデータは、当然、不確実性、つまり誤差分布にも関連付けられる。このセンサー誤差は、現在の車両状態の推定に影響を与える。さらにセンサーデータ７３０は点Ｃで取得される。

車両は将来の車両状態を継続的に予測する。例えば、車両が点Ｃにあるとき、時間ｔ１（Ｄ点に対応する時間）における車両状態を予測できる。この推定された将来の車両状態は、将来の状態の不確実性７４０と関連付けられ、これは、当然、予測モデル誤差、推定された現在の状態の誤差、および同様に運転者または車両制御システムによる想定された制御入力の誤差とともに増加する。

構成された車両制御エンベロープは、一点鎖線７５０によって概略的に示される。不確実性楕円７４０がこの制御エンベロープの範囲外に出過ぎる場合、アクションはＶＵＣ１３０、１４０の一方または両方によってトリガーされる。

将来の状態の不確実性は、例えば、カルマン（Kalman）フィルターまたは同様の最小平均二乗誤差（ＭＭＳＥ）フィルターによる外挿から取得できる。

時間ｋまでのデータ入力が与えられた場合、サンプルｋ（または等価的に、離散時間インデックスｋ）におけるカルマンフィルターアルゴリズムの共分散行列推定値Ｐ_Ｋ｜Ｋは、下式のように判定される。
ここで、
であり、Ｐ_{Ｋ｜Ｋ―１}は、時間ｋ－１までのデータが与えられた時間ｋにおける共分散行列推定値であり、Ｉは単位行列であり、Ｋ_ｋは時間ステップｋにおけるカルマンゲインであり、Ｈ_ｋは時間ステップｋにおける観測行列であり、Ｒ_ｋは測定ノイズの想定された共分散行列、すなわち、Ｒ_ｋは入力センサー信号の不確実性を表し、Ｆ_ｋは時間ステップｋにおける状態遷移行列であり、Ｑ_ｋは時間ステップｋにおけるプロセスノイズである。

以下の関係式に留意されたい。
この式を使用して、行列演算をｎ回繰り返して行うことによって、時間ｋからのｎ番目の時間ステップの不確実性を予測でき、Ｐ_{ｋ＋ｎ｜ｋ―１}が与えられる。カルマンフィルターを使用する外挿は既知であるため、本明細書ではより詳細に説明しない。

共分散行列Ｐ_ｋ｜ｋの推定値はセンサーデータの実際の実現には依存せず、誤差の分布およびプロセスの想定された統計にだけ依存することにも留意されたい。したがって、不確実性楕円体７４０は、上記の方程式を単に反復することによって判定できる。

図７Ａにおける一連の不確実性楕円体は、車両の初期状態ｓ（ｔ０）から開始し、位置（Ａ）でＰ_０｜０から判定される関連付けられた不確実性楕円体７１０から、車両状態および関連の不確実性楕円体７４０と関連付けられた計画された軌道の終点位置（Ｄ）までを判定できる。

車両制御エンベロープの範囲外で車両状態が実現される確率はＱ関数を使用して評価され得る。単一変数の場合、下式を用いる。
ベクトル状態変数の場合、多次元Ｑ関数を使用する必要がある。近似計算を使用して、計算をより効率的にするためにＱ関数を評価できる。Ｑ関数に対するいくつかの異なる近似が知られている。例えば、Abramowitz, M. & Stegun, I.A. (1972). Handbook of Mathematical Functions. Dover, New York. p. 932を参照されたい。

別の代替手段は、その変数が限界値以下になる確率が調整可能な閾値確率と等しくなるように、分位関数を使用して状態の限界値を判定する。

図７Ｂは、将来の車両状態がどのように推定できるかについて、また、関連付けられた将来の車両状態の不確実性がどのように判定できるかについて別の例７６０を示す。この例は粒子フィルターの実施に基づいており、多数の粒子を使用して、車両状態を推定する。粒子７７０のそれぞれは、異なるセンサー誤差および運動予測誤差の実現を利用して実現および更新され、これは、粒子が時間の経過とともに分散することを意味する。粒子フィルターは一般に知られているため、本明細書ではより詳細に説明しない。推定される将来の車両状態の不確実性は、粒子の広がりによって与えられる。粒子群は、例えば、車両制御エンベロープを定義する境界ポリトープ（polytope）の範囲外に位置する粒子の数をカウントすることによって、車両制御エンベロープと比較できる。十分な粒子がこの境界ポリトープの範囲外にある場合、エンベロープを破ったとみなされ、車両を制御下に戻すための対策が取られる。

図９は、上述の技術を例示するフローチャートである。図９は、図１に関連して上述した車両１００またはいくつかの他のタイプの大型車両等の大型車両の運動を制御するための方法を示す。大型車両は任意の数の車両ユニットを備え得る。車両は、リジッドトラック、セミトレーラー、またはさらに１つ以上の台車ユニットを備えるマルチトレーラー車両であり得る。

本方法は、現在の車両状態ｓ_ｔ０（例えば、図７Ａのｓ（ｔ０）によって例示される）を推定すること（Ｓ１）を含む。車両状態は、少なくとも速度ｖ_ｔ０および加速度ａ_ｔ０を含む。速度および加速度の両方は、車両ユニットの基準フレームにおける速度または加速度の方向も示す２次元ベクトルまたは３次元ベクトルであり得る。車両状態は、多くの場合、速度および加速度だけでなく、さらに多くのパラメーターを含む。例えば、ヨーモーメント、車輪スリップ、ステアリング角、横方向および／または縦方向の車輪力、車両コンポーネントの温度等も車両状態に含まれ得る。通常、車両状態は、連結車両のユニットごとに推定される。すなわち、トラクターは１つの状態と関連付けられ、トレーラーは別の状態と関連付けられる。２つの車両ユニット間に機械的連結部があるため、当然、２つの状態は関連する。

推定された現在の状態は、現在の状態の不確実性と関連付けられる。この状態の不確実性は、確率密度関数（ＰＤＦ）、累積密度関数（ＣＤＦ）、尤度関数、または不確実性のレベルを示すいくつかの他の関数等の確率関数を使用して表され得る。例えば１～２５６の単純な値を使用して不確実性を示すこともできる。２５６は不確実性が高いことを意味し、１は確実性が非常に高いこと、すなわち推定された状態値の信頼性を意味する。車両状態の異なるパラメーターは、時間の経過とともに異なる不確実性値を有し得ることが認識される。例えば、速度は高い確実性で推定され得る一方、横方向の加速度はあまり確実ではない場合がある。図７Ａの例のように、車両状態はベクトルとして見ることができ、不確実性は多次元の不確実性楕円によって視覚化される。

いくつかの態様によれば、本方法は、１つ以上のセンサー入力信号と関連付けられた測定の不確実性に基づいて現在の状態の不確実性を判定すること（Ｓ１２）を含む。例えば、ＶＵＣ１３０、１４０は、センサーの現在の信頼性値を提供する各センサーのモデルを記憶し得る。例えば、レーダーセンサーは物体までの距離を高精度で推定することが可能であり得るが、角度を推定する精度は低くなる。したがって、状態パラメーターがレーダー情報に依存する場合、精度は、例えば車両速度および／または車両加速度を判定するために使用された車両ユニットおよび標的物体の相対位置に応じて変化し得る。車輪速度センサーは、トルクが加えられている期間中、対地上の車両ユニット速度を判定するとき、トルクが加えられることによって車輪スリップが発生するため、信頼できない場合がある。

本明細書で説明される方法および技術は、トルク要求の代わりに、車輪スリップまたは車輪速度要求を異なるＭＳＤに送信することを含む制御戦略と一緒に使用するのが最も有利である。次に、ＭＳＤは、高帯域幅の制御ループで車輪スリップを制御することによって、安定した縦力を生成することが可能である。したがって、いくつかの態様によれば、本方法は、車両１００の１つ以上のＭＳＤから車輪スリップ値および／または車輪速度値を要求することによって、車両１００を制御すること（Ｓ７）を含む。

本方法は、また、現在の車両状態ｓ_ｔ０および車両１００の予測運動モデルに基づいて、将来の車両状態ｓ_ｔ１（図７Ａのｓ（ｔ１）によって例示される）を推定すること（Ｓ２）も含み、将来の車両状態ｓ_ｔ１は将来の車両状態の不確実性と関連付けられる。将来の車両状態の推定は、いくつかの異なる方法で実施できる。カルマンフィルター外挿法および粒子フィルターを含む例は、上述したものであった。また、混合ガウスモデルも有利に使用され得る。運動予測は比較的よく研究されている分野であり、このテーマに関する多くの文献が入手可能である。したがって、運動予測自体については、本明細書ではより詳細に説明しない。

近い将来の車両状態とその不確実性を推定した後、本方法は、図４に示されるように、この将来の車両状態が許容できないレベルのリスクと関連付けられるか、または車両の安全な運用設計領域内にあるかを判定する。

随意に、本方法は、車両１００の予測運動モデルと関連付けられた不確実性に基づいて将来の状態の不確実性を判定すること（Ｓ２１）を含む。大型車両での使用に適したほとんどの予測運動モデルは、予測と関連付けられた信頼性尺度も出力する。例えば、カルマンフィルターの外挿法を使用して将来の車両状態を予測する場合、フィルターの共分散行列から、モデルの不確実性についての考えが与えられる。粒子フィルター予測子は、粒子の拡散における不確実性の自然な尺度を提供する。現在の車両状態の推定および運動予測の不確実性を組み合わせることから、不確実性の合計を取得できる。初期の車両状態推定値があまり良好でない場合、当然、将来の車両状態推定値も不正確になり、その逆も同様である。本方法は、また、混合ガウスモデル、ＧＭＭ、確率密度関数として少なくとも部分的に将来の車両状態ｓ_ｔ１を推定すること（Ｓ２４）を含み得る。

上述したように、車両１００は、複数の車両ユニット１１０，１２０を備える連結車両であり得る。この場合、本方法は、複数の車両ユニット１１０，１２０の車両ユニットごとに各々の将来の車両状態ｓ_ｔ１を個別に推定すること（Ｓ２３）を含み得る。

本方法は、また、１つ以上の運動支援装置（ＭＳＤ）と関連付けられた制限された挙動に基づいて、将来の状態の不確実性を判定すること（Ｓ２２）を含み得る。本方法は、例えば、少なくとも１つの車両トルクデバイスの動作に対して車輪スリップ限界を設定することと、次に、設定された車輪スリップ限界に基づいて車両力学と関連付けられたモデルを取得することとを含み得る。このように、車両のトルクデバイス（ブレーキまたは推進デバイス）が設定された車輪スリップを超えることはないと想定できるため、モデルは自動的に検証される。したがって、開示された方法は、車両力学の明示的なモデルを使用して、例えば緊急操作中の車両の挙動を分析することを可能にする。これは、明示的モデルはｉ）人間がより簡単に分析でき、ｉｉ）制御理論から確立された形式的手法を使用して緊急操作中の挙動を分析することを可能にするため、データによって暗黙的に与えられるモデルと比較して利点がある。したがって、本明細書に開示される方法は、例えば緊急操作の性能が検証されるとき、より効率的なデータの使用を提供する。本明細書で開示される方法と関連付けられた別の有益な効果は、例えば緊急操作中に横力を生成することが可能である能力が、車輪スリップの設定制限により維持されることである。これにより、必要なモデルの不確実性マージンが減るため、車両のＯＤＤが増加し、これが利点となる。

図８のＡ～Ｃを参照すると、ＭＳＤの最大許容スリップの尺度は、以下のように判定できる。車両が何らかの運用設計ドメイン（ＯＤＤ）と関連付けられると仮定する。例えば、速度ｖ_ｘおよび道路曲率Ｑに対する制限、または車両による操縦に対するいくつかの他のタイプの制限が存在し得る。最大横加速度ａ_{ｙ，ｍａｘ}は下式のように判定できる。
ここで、ｖ_{ｘ，ｍａｘ}は車両の設定された速度制限または速度能力である。この横加速度は、タイヤ横力Ｆ_ｙ（車両の質量特性に応じて変わる）になる。このタイヤ横力を使用して、最大許容スリップ限界３４０を見つけることができる。例えば車両のコーナリング応答を検討するとき、車軸上の全てのタイヤの効果を１つの仮想タイヤに結合するのに便利である。この仮定は、ワントラックモデル（またはシングルトラックモデル、自転車モデル）と呼ばれ、理解を容易にするだけでなく、重要な現象を取り込むこともできる。車両力学モデルを単一の軌道モデルに単純化することはよく知られており、本明細書では、より詳細に説明されない。横方向の車輪スリップＳ_ｙｗは下式のように定義できる。
ここで、Ｖ_ｙおよびＶ_ｘは、各々、横方向および縦方向の速度を示す。タイヤの横滑りＳ_ｙｔは下式のように定義できる。
ここで、Ｖ_ｙはタイヤの並進速度を示す。縦滑りがない場合、ｖ_ｘ＝ＲωおよびＳ_ｙｔ＝Ｓ_ｙｗである。車輪スリップ角αはＳ_ｙｗ＝ｔａｎαのように定義できる。タイヤの横滑りが小さい場合、図８Ｂに示されるように、タイヤ横力Ｆ_ｙは、下式のようにモデル化され得る。
ここで、Ｃ_ｙは定数である。この定数はコーナリング剛性と呼ばれることもあり、例えば車輪スリップおよび垂直抗力Ｆ_ｚに依存する。横力Ｆ_ｙはＦ_ｚ＊μを超える可能性はなく、μは摩擦係数である。車両を加速できる方法を判定することに関して、１つの駆動軸または複数の駆動軸にかかる軸荷重が特に重要である。多くの場合、駆動軸にかかる軸荷重が低いことは、車輪がより滑りやすくなることを意味する。

車両のコーナリング剛性は、車輪スリップに制限を設定することによって検証できる車両モデルの例である。これは、少なくとも部分的に、車輪が深刻なスリップ状態に入るときコーナリング剛性のモデルが大幅に変化する一方、より単純なモデルが低いスリップ値、すなわちタイヤの横滑りが小さい場合には有効であると想定できるためである。許容可能な車輪スリップに制限を課すことによって、小さな車輪スリップに有効な車両特性の簡略化されたモデルを使用できることにも留意されたい。これにより、車両運動の予測が簡略化される。

本方法は、さらに、車両の動作限界を表す車両制御エンベロープを定義すること（Ｓ３）を含む。車両制御エンベロープは、状態ベクトルの値を境界付けるポリトープ等、車両状態の範囲を定義する。

推定された将来の車両状態ｓ_ｔ１および関連付けられた将来の車両状態の不確実性を車両制御エンベロープと比較すること（Ｓ４）によって、例えば、現在の運転者入力コマンドが動作サポートデバイスへの通過が可能になる場合、車両が危険な状況または予測不可能な状況に陥る危険性があるかを確認できる。将来の車両状態ｓ_ｔ１が制御エンベロープを破る確率が設定された閾値を上回る場合、車両制御ユニットは車両１００の運動能力を制限する（Ｓ５）。この制限は、例えば、車両の新しい能力、または連結車両の特定の車両ユニットの新しい能力に関する報告を上位層の制御機能に送信することによって簡単に実施され得る。また、この制限は、この能力制限を制御アロケーターに直接送信することによっても実施できる。最初に、状況が危険になりつつあるが、過剰に危険ではないとき、ＴＳＭにだけ能力制限を送信することによって、次に、状況が実際に危険になったとき、制御アロケーターに能力制限を送信することによって、多段階の介入メカニズムを実装できる。

複数の態様によれば、本方法は、将来の状態ｓ_ｔ１、または現在の車両状態ｓ_ｔ０から時間的に０．５～１．５秒進んだ状態を推定すること（Ｓ２５）を含む。この期間（time horizon）は、現在の車両センサー技術および予測運動モデルを使用してサポートすることが可能であることが判明している。当然ながら、より長い期間およびより短い期間の両方とも使用できる。一般に、将来の車両状態の不確実性が考慮されるため、任意の期間を使用できる。使用する期間が長すぎる場合、不確実性が無限大になり、推定に正確な情報がないこと、すなわち、はるかに時間的に先の将来の車両状態に関連する情報が存在しないことを示す。

将来の車両状態が制御エンベロープを破る危険性があるとき、様々なアクションがトリガーされ得る。例えば、本方法は、車両１００の最大速度能力を制限すること（Ｓ５１）、車両１００の最大加速能力を制限すること（Ｓ５２）、車両１００のステアリング角能力を制限すること（Ｓ５３）、車両１００の最大ヨーモーメント能力を制限すること（Ｓ５４）、特定の車両の車軸の能力を制限すること（Ｓ５５）、および特定の車両の車輪の能力を制限すること（Ｓ５６）、のいずれかを含み得る。

本明細書に開示される方法は、また、将来の車両状態ｓ_ｔ１が制御エンベロープを破る確率が設定された閾値を上回ることに応答して、車両による補正アクションを行うこと（Ｓ６）を含み得る。この補正アクションは、例えば、ＭＳＤ調整モジュールに伝達された所望の全体力を低減することを含み得る。

図１０は、ＶＵＣ１３０、１４０のいずれか等、本明細書の説明の実施形態による制御ユニット１０００のコンポーネントを、いくつかの機能ユニットに関して概略的に示す。この制御ユニット１０００は連結車両１に含まれ得る。例えば、記憶媒体１０３０の形態のコンピュータープログラム製品に記憶されたソフトウェア命令を実行することが可能である、適切な中央処理装置ＣＰＵ、マルチプロセッサ、マイクロコントローラー、デジタル信号プロセッサＤＳＰ等の１つ以上の任意の組み合わせを使用して、処理回路１０１０が提供される。処理回路１０１０は、さらに、少なくとも１つの特定用途向け集積回路ＡＳＩＣ、またはフィールドプログラマブルゲートアレイ（field programmable gate array：ＦＰＧＡ）として提供され得る。

特に、処理回路１０１０は、図９に関連して説明した方法等の動作またはステップのセットを制御ユニット１０００に行わせるように構成される。例えば、記憶媒体１０３０は動作のセットを記憶し得、処理回路１０１０は記憶媒体１０３０から動作のセットを読み出し、制御ユニット１０００に動作のセットを行わせるように構成され得る。動作のセットは、実行可能な命令のセットとして提供され得る。したがって、処理回路１０１０は、本明細書で開示される方法を実行するように構成される。

例えば、記憶媒体１０３０は、また、磁気メモリ、光学メモリ、ソリッドステートメモリ、またはさらにリモートに搭載されたメモリのうちの任意の単一のものまたは組み合わせであり得る永続記憶装置を含み得る。

制御ユニット１０００は、さらに、少なくとも１つの外部デバイスと通信するためのインタフェース１０２０を含み得る。したがって、インタフェース１０２０は、アナログコンポーネントおよびデジタルコンポーネントと、有線通信または無線通信のための適切な数のポートとを含む、１つ以上の送信機および受信機を含み得る。

処理回路１０１０は、例えば、インタフェース１０２０および記憶媒体１０３０にデータおよび制御信号を送信することによって、インタフェース１０２０からデータおよび報告を受信することによって、ならびにデータおよび命令を記憶媒体１０３０から読み出すことによって、制御ユニット１０００の通常の動作を制御する。制御ノードの他のコンポーネントおよび関連する機能は、本明細書で提示される概念を不明瞭にしないために省略される。

図１１は、該プログラム製品がコンピューター上で起動するとき、図９に示される方法を行うためのプログラムコード手段１１２０を備えるコンピュータープログラムを保持するコンピューター可読媒体１１１０を示す。コンピューター可読媒体およびコード手段は、一緒に、コンピュータープログラム製品１１００を形成し得る。

また、国際公開第２０２０／２２４７７８号には、所定の車両制御コマンドが安全に実行できるかどうかを判断する方法が開示されている。
それでも、大型車両の運動管理のための方法の改善の必要性が顕著に存在する。

Claims

大型車両（１００）の動作を制御するための方法であって、
少なくとも速度（ｖ_ｔ０）および加速度（ａ_ｔ０）を含む現在の車両状態（ｓ_ｔ０）を推定すること（Ｓ１）であって、前記推定された現在の車両状態は現在の車両状態の不確実性と関連付けられる、前記推定すること（Ｓ１）と、
前記現在の車両状態（ｓ_ｔ０）および前記車両（１００）の予測運動モデルに基づいて、将来の車両状態（ｓ_ｔ１）を推定すること（Ｓ２）であって、前記将来の車両状態（ｓ_ｔ１）は将来の車両状態の不確実性と関連付けられる、前記推定すること（Ｓ２）と、
前記車両の動作限界を表す車両制御エンベロープを定義すること（Ｓ３）であって、前記車両制御エンベロープは車両状態の範囲を定義すること（Ｓ３）と、
前記推定された将来の車両状態（ｓ_ｔ１）および前記関連付けられた将来の車両状態の不確実性を、前記車両制御エンベロープと比較すること（Ｓ４）と、
前記将来の車両状態（ｓ_ｔ１）が前記制御エンベロープを破る確率が設定された閾値を上回る場合、前記車両（１００）の運動能力を制限すること（Ｓ５）と、
を含む、方法。
前記車両状態は、車輪スリップ（Ｓ１１）、車軸横滑り、横方向および／または縦方向の車輪力、ならびにヨー運動のいずれかも含む、請求項１に記載の方法。
１つ以上のセンサー入力信号と関連付けられた測定の不確実性に基づいて、前記現在の車両状態の不確実性を判定すること（Ｓ１２）を含む、請求項１または２に記載の方法。
前記車両（１００）の前記予測運動モデルと関連付けられた不確実性に基づいて、前記将来の車両状態の不確実性を判定すること（Ｓ２１）を含む、先行請求項のいずれかに記載の方法。
１つ以上の運動支援装置ＭＳＤと関連付けられた制限された挙動に基づいて、前記将来の車両状態の不確実性を判定すること（Ｓ２２）を含む、先行請求項のいずれかに記載の方法。
前記車両（１００）は複数の車両ユニット（１１０，１２０）を備える連結車両であり、
前記方法は、さらに、前記複数の車両ユニット（１１０，１２０）の車両ユニットごとに、各々の前記将来の車両状態（ｓ_ｔ１）を個別に推定すること（Ｓ２３）を含む、先行請求項のいずれかに記載の方法。
混合ガウスモデル、ＧＭＭ、確率密度関数として少なくとも部分的に前記将来の車両状態（ｓ_ｔ１）（複数可）を推定すること（Ｓ２４）を含む、先行請求項のいずれかに記載の方法。
前記現在の車両状態（ｓ_ｔ０）から時間的に０．５～１．５秒進んだ前記将来の車両状態（ｓ_ｔ１）（複数可）を推定すること（Ｓ２５）を含む、先行請求項のいずれかに記載の方法。
前記車両（１００）の最大速度能力を制限すること（Ｓ５１）を含む、先行請求項のいずれかに記載の方法。
前記車両（１００）の最大加速能力を制限すること（Ｓ５２）を含む、先行請求項のいずれかに記載の方法。
前記車両（１００）の最大ステアリング角能力を制限すること（Ｓ５３）を含む、先行請求項のいずれかに記載の方法。
前記車両（１００）の最大ヨーモーメント能力を制限すること（Ｓ５４）を含む、先行請求項のいずれかに記載の方法。
特定の車軸の能力を制限すること（Ｓ５５）を含む、先行請求項のいずれかに記載の方法。
特定の車輪の能力を制限すること（Ｓ５６）を含む、先行請求項のいずれかに記載の方法。
前記将来の車両状態（ｓ_ｔ１）が前記制御エンベロープを破る前記確率が設定された閾値を上回ることに応答して、前記車両による補正アクションを行うこと（Ｓ６）を含み、
前記補正アクションは、ＭＳＤ調整モジュールに伝達された所望の全体力を減少させることを含む、先行請求項のいずれかに記載の方法。
前記車両（１００）の１つ以上のＭＳＤから車輪スリップ値および／または車輪速度値を要求することによって、前記車両（１００）を制御すること（Ｓ７）を含む、先行請求項のいずれかに記載の方法。
コンピューターで、または制御ユニット（１１００）の処理回路（１１１０）で実行されるとき、請求項１～１６のいずれかのステップを行うためのプログラムコード手段を含むコンピュータープログラム（１１２０）。
前記プログラム製品がコンピューターまたは制御ユニット（１１００）の処理回路（１１１０）で実行されるとき、請求項１～１６のいずれかのステップを行うためのプログラムコード手段を含む、コンピュータープログラム（１１２０）を保持するコンピューター可読媒体（１１１０）。
連結車両（１）の許容可能な車両状態空間を判定するための制御ユニット（１０００）であって、請求項１～１６のいずれかに記載の方法のステップを行うように構成される、前記制御ユニット（１０００）。
請求項１９に記載の制御ユニット（１０００）を備える、車両（１００）。